CSLRConformer：面向阿拉伯语手势语言连续识别的数据导向Conformer方法

连续手势语言识别（CSLR）领域面临诸多技术挑战，包括流动的跨符号过渡、缺乏时间边界以及共演出效应。本文为 ICCV 2025 上的 MSLR 2025 工作坊挑战赛而开发，旨在解决 signer-independent 识别以提升 CSLR 系统在不同签名者之间的泛化能力。我们提出一种数据导向的方法论，核心在于系统化的特征工程、稳健的预处理管线以及优化的模型架构。主要贡献包括：基于探索性数据分析（EDA）指导的原则化特征选择流程，以提取有含义的关键点；集成 DBSCAN 基于聚类 outlier 过滤与空间归一化的严格预处理管线；以及 novel CSLRConformer 架构。该架构继承 Conformer 模型的 hybrid CNN-Transformer 设计，利用其建模局部时序依赖性与全局序列上下文的能力；这一特性恰好适用于手势语言的时空动力学。我们的方法在开发集上实现了 5.60% 的词错误率（WER），在测试集上实现了 12.01% 的 WER，最终在官方竞赛平台上获得第三名。该研究验证了跨域架构迁移的有效性，表明原为语音识别而设计的 Conformer 模型能够成功地被重新定位用于基于关键点的 CSLR，从而达成新的 SOTA 水平。